/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Darwin-36B-Opus
Библиотека
llama.cpp
Опубликована
22 июл 2026

POCKET-35B-GGUF

Генерация текстаТекст → текст13 профессий

POCKET-35B-GGUF — языковая модель семейства POCKET, разработанная FINAL-Bench. Это GGUF-сборка, предназначенная для запуска через стандартный llama.cpp без CUDA, GPU и облачных сервисов.

533 тыс.скачиваний за 30 дней84лайкавеса обновлены25 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель позиционируется для локального использования на ПК, серверах, мини-ПК и мобильных устройствах, включая сценарии on-device и edge-инференса.

Модель имеет заявленный размер 35B параметров и архитектуру mixture-of-experts; в карточке она связана с FINAL-Bench/Darwin-36B-Opus, а также обозначена как основанная на Qwen3.5-35B-A3B. Доступны варианты квантования от IQ1_M и Q2_K до Q4_K_M: размер файлов составляет примерно от 8,2 до 21 ГБ, что позволяет выбирать между экономией памяти и качеством. В качестве ориентиров приведены показатели GPQA Diamond от 60,1% для Q2_K до 68,7% для Q4_K_M, а также измерения скорости генерации на CPU и GPU.

Модель ориентирована на диалоговые и общие текстогенерационные задачи, включая локального повседневного ассистента. Среди сильных сторон заявлены работа на CPU, совместимость с upstream llama.cpp и высокая скорость генерации в ряде сравнительных тестов. Ограничения включают заметные требования к оперативной памяти, снижение качества при сильном квантовании и отсутствие завершённых измерений производительности на iPhone и Strix Halo. В карточке явно указаны английская и корейская специализации отдельных сборок, но полный набор поддерживаемых языков и максимальный контекст не приведены. Лицензия — Apache 2.0.

Для каких профессий подходит13

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🆕 POCKET-Qwen3.8-Flash-Next — a 180B model running on a laptop with 8 GB VRAM + 32 GB RAM · 4.17 tok/s measured.

New VRAM RAM Speed

🆕 POCKET-Zimage-CPU — photoreal images in 46 s on a CPU only. No GPU, no CUDA, no Python.

New Space RAM

📚 Collections

▶ POCKET Models — this family (on-device, no GPU) Darwin Family · Aether Foundation · VKAE Accelerated

POCKET

POCKET-35B-GGUF

A 35B model that runs on your PC with no GPU — and on your phone. Just stock llama.cpp. No fork, no CUDA, no cloud.

🚀 Try it live, no install → POCKET-35B demo POCKET-26B demo — both answering on a CPU-only box (no GPU). POCKET-26B is Gemma4-based.

License Runtime No GPU Base

Pick your build → 35B 26B KR GGUF KR MLX EN GGUF 180B laptop Image NF4 Image CPU

The POCKET lineup — pick by your device

RepoFileSizeRuns onBest forKorean PPL*
POCKET-35B-GGUFQ4_K_M21 GBPC / server (32 GB RAM)top quality5.79
POCKET-35B-GGUFQ2_K ⭐13 GBmini-PC, no GPUdaily driver6.49
POCKET-35B-GGUFIQ1_M8.2 GB16 GB RAM boxsmallest full model9.69
POCKET-KR-GGUFIQ2_M5.1 GBAndroid 8 GB+🇰🇷 Korean phone7.95
POCKET-KR-MLX2-bit5.1 GB🍎 iPhone / iPad / Mac🇰🇷 Korean, Apple-native7.95
POCKET-EN-GGUFiPhone-mix5.3 GB🍎 iPhone (PocketPal)🌍 English phone—
POCKET-EN-GGUFPC-mix6.8 GBPC / Android🌍 English, best quality—
POCKET-Qwen3.8-Flash-Next-GGUFQ4_K_M111 GiB💻 laptop, 8 GB VRAM + 32 GB RAM180B on a laptop6.03†

*Wikipedia-Korean perplexity, lower is better. Q4_K_M = 5.79 baseline. English builds are tuned on English; see each repo. †Separate 80-chunk run (40,960 tokens) on a different model — compare within a model, not across rows.

🍎 Why MLX for Korean but GGUF for English on iPhone? Apple-native MLX only does uniform quantization. Korean survives it; English needs our proprietary quantization, which only GGUF supports — so the English iPhone build ships as a GGUF you run with PocketPal. Honest, not lazy.

🆕 POCKET-26B — a Gemma4-26B-A4B-based sibling that loads in any app today (Ollama · LM Studio · PocketPal · MLX), no bleeding-edge runtime needed: GGUF (Q2_K 11 GB · Q4_K_M 17 GB · GPQA-Diamond 67%). Universal compatibility for 12 GB phones, PC, and browser.

Speed vs Bonsai

Benchmarks — what is measured, what is not

We measure Bonsai on the same machine with the same stock llama.cpp, and we tell you where we lose.

[measured] Generation speed — POCKET wins on both CPU and GPU:

POCKET-35B IQ1_MBonsai-27B Q1_0
CPU generate (Xeon, 16t)27.0 tok/s10.1🟢 2.69×
GPU generate (H100)197 tok/s89🟢 2.22×
GPU prompt (H100)7531816🔴 0.41×
Quality (HellaSwag, 400q)61.0%60.0%⚪ tie (CI overlaps)

[measured on a MacBook M3 Pro, 18 GB] — and on a laptop, POCKET wins every axis, including prompt processing:

POCKET-35B IQ1_MBonsai-27B Q1_0
Metal generate (tg64)25.4 tok/s12.8🟢 1.99×
CPU generate (8 threads)13.8 tok/s4.4🟢 3.13×
Metal prompt (pp128)240.7 tok/s73.4🟢 3.28×
CPU prompt (pp128)45.5 tok/s9.6🟢 4.75×

On a laptop GPU the arithmetic headroom that let Bonsai win prefill on an H100 is gone, so MoE sparsity wins across the board. POCKET-35B-Q2_K runs on the M3 Pro's CPU at 19.5 tok/s — on an 18 GB Mac, run Q2_K on CPU (-ngl 0); its 13 GB exceeds the recommended Metal budget.

[measured — GPQA Diamond, 198q, greedy] reasoning quality vs quantization:

ModelGPQA-Diamond (greedy)
Qwen3.6-35B-A3B73.2%
POCKET-35B Q4_K_M68.7%
POCKET-35B Q2_K60.1%

[pending — community reports welcome] on-device iPhone and Strix Halo throughput. We publish only what we ran ourselves; help us fill the rest.

The same-size rival Ternary-Bonsai-27B-Q2_0 (7.2 GB) fails to load in upstream llama.cpp — it needs the PrismML fork. POCKET runs on the tools you already have.

Files in this repo

FileSizebpwRuns onKorean PPL
POCKET-35B-Q4_K_M.gguf21 GB4.5PC 32 GB RAM5.79 (top)
POCKET-35B-Q3_K_M.gguf16 GB3.4PC 24 GB6.06
POCKET-35B-Q2_K.gguf ⭐13 GB2.6mini-PC 16–24 GB6.49 (best value)
POCKET-35B-IQ1_M.gguf8.2 GB1.916 GB RAM9.69 (smallest)

Quickstart — no fork needed

# any recent llama.cpp — brew / winget / apt, or LM Studio / Ollama
llama-cli -m POCKET-35B-Q2_K.gguf -p "안녕하세요" -ngl 0 -t 8
# reproduce our CPU numbers:
llama-bench -m POCKET-35B-IQ1_M.gguf -p 128 -n 64 -ngl 0 -t 16

Use physical-core count for -t (max ~32). Do not pass all threads — it can slow down sharply.

Lineage — where POCKET comes from

POCKET is quantized from Darwin-36B-Opus, VIDRAFT's flagship — a model bred and evolved over several generations on the Darwin platform (crossbreeding, healing, expert surgery). Darwin-36B-Opus itself traces back to a Qwen3.5-family MoE architecture.

ComponentOrigin
Starting checkpointDarwin-36B-Opus — VIDRAFT, multi-generation Darwin evolution
Base architectureQwen3.5-family MoE (256 experts, top-8), unchanged
Quantization (Q4_K_M…IQ1_M)stock llama.cpp — no custom format
Runtimeupstream llama.cpp / Apple MLX — unmodified
Proprietary language-specific tuning (KR/EN builds)ours (VIDRAFT)

The CPU/GPU speed comes from the sparse-MoE architecture plus ordinary quantization — reproducible with the same base and the same tools. What we add is the Darwin-evolved weights, the honest measurement, the Korean tuning, and the pruning that makes the 5 GB phone builds.

Limitations

  • The iPhone/Mac speed is not yet measured by us — community reports welcome.
  • Extreme quants (IQ1_M) hurt Korean ~2.8× more than English; use Q2_K or larger for quality.
  • English phone builds trade quality for size; the PC build (PC-mix) is much closer to full quality.

License

Apache-2.0.


POCKET is a VIDRAFT model family. 35B, in your pocket. No GPU.

Learn more


🧩 The POCKET Family — On-device AI by VIDRAFT

Big models, small hardware. No GPU, no cloud.

Models

Demos & tools (Spaces)

📚 Full POCKET collection

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
c9e42c5

0 моделей